一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法技术

本发明专利技术提出一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法。采取非降采样轮廓波分别对全图像和多谱段图像进行多尺度多方向分解，并构造退化尺度下方向子带的全色图像和多谱段图像；采取多变量回归方法联合估计各方向子带的细节注入增益参数和平均亮度加权参数；进而设计自适应融合准则，实现细节的多尺度多方向自适应注入。本发明专利技术通过全色图像融合，可大幅提升多谱段图像空间分辨率，具有方向子带自适应性、参数自适应估计，有效地将全色图像的几何细节注入到多谱段图像，能够减少光谱失真。

An adaptive detail injection method for full color sharpened contour wave subband of multispectral images

The invention proposes an adaptive detail injection method for the contour wave subband with full color sharpening of the multispectral image. Take the Nonsubsampled contourlet respectively on image and multi spectral image multi-scale and multi direction decomposition, and construct the degenerate scale panchromatic image directional subband and multi spectral images; take the multivariable regression method for joint estimation of details of each directional subband injection gain parameters are peace brightness weighted parameters; and adaptive design fusion criterion, multi-scale and multi direction adaptive implementation details of injection. Through panchromatic image fusion, the invention can greatly enhance the spatial resolution of multispectral images, has self adaptive direction and adaptive parameter estimation, and effectively injecting the geometric details of panchromatic images into multispectral images, which can reduce spectral distortion.

【技术实现步骤摘要】
一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法
本专利技术属于遥感图像融合
，具体涉及一种综合全色图像和多谱段图像的互补信息、锐化提升多谱段图像空间分辨率的方法。
技术介绍
遥感技术的不断发展为人类对地观测提供了丰富而宝贵的资源。遥感卫星通常提供全色图像和多谱段图像两种，其中，全色图像空间分辨率高，具有丰富的空间细节信息，能够详尽地表达地物的细节特征，但光谱信息较少；多谱段图像光谱信息丰富，有利于地物识别与分类，但成像分辨率低。越来越多的应用需要融合二者的优势得到较高空间分辨率的多谱段图像，多谱段图像的全色锐化方法是解决这一问题的有效途径，属于遥感图像融合方法。目前，多谱段图像的细节注入全色锐化方法往往基于细节注入框架，即将全色图像的空间细节根据一定的增益注入到多谱段图像中，以此提高多谱段图像的空间分辨率，其中，空间细节是指全色图像和平均亮度的差值图像。该框架需要解决的关键问题是如何求取平均亮度图像和空间细节注入增益。传统的细节注入方法，如基于IHS变换、PCA变换和Gram–Schmidt(GS)变换的方法等，融合结果中的空间细节有很大提高，容易实现，速度快。但是，全色图像和多谱段图像的相对光谱相应范围不匹配会导致光谱失真。近年来，多尺度分析为遥感图像的融合注入了新的活力，基于多尺度分析的图像融合方法是在图像的多个尺度上提取全色图像的细节信息并注入到多谱段图像中去。多尺度分析包括曲波、脊波、轮廓波等。基于多尺度分析的方法，能有效地保留多谱段图像中的光谱信息。申请号为201610179673.7的中国专利技术专利申请提出一种基于小波的多尺度方法，但只有水平、垂直和对角三个方向，方向性不足；并且不能做到参数自适应联合估计，还需要进一步克服光谱失真的问题。有学者基于细节注入的框架，提出一种波段相关多变量回归方法(BDSD)，(AndreaGarzelli,FilippoNencini，OptimalMMSEPanSharpeningofVeryHighResolutionMultispectralImages，IEEETransactionsonGeoscienceandRemoteSensing,Vol.46,No.1,2008.)，该方法有效提高了多谱段图像的空间分辨率，但是没有考虑到图像在多尺度下的图像特点。申请号为201510299181.7的中国专利技术专利申请提出一种自适应方法，自适应估计平均亮度加权参数，但该方法没有考虑波段间的相关性。
技术实现思路
本专利技术的目的在于提出一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法，提高了多谱段图像的空间分辨率，保留了多谱段图像的光谱信息，弥补传统方法在光谱保留方面的不足。为了解决上述技术问题，本专利技术提供一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法，步骤如下：步骤1，对于一幅高H、宽W的高分辨率全色图像P和一幅高H'、宽W'、波段数为B的低分辨率多谱段图像M0，将低分辨率多谱段图像M0的每个波段插值至全色图像大小，记为插值多谱段图像M；步骤2，对全色图像P和插值多谱段图像M逐波段进行相同的非降采样的轮廓波多尺度多方向分解，其中，图像进行三层尺度分解，第1层尺度为无方向分解，第2、3层尺度为有方向分解，全色图像P和插值多谱段图像M的第个l波段的图像经分解，分别获得低频子带PL、方向子带Pk,m、和高频子带P1、l＝1,2,3,..B，k代表分解尺度，m代表分解方向，k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8，下标L代表图像的低频子带；步骤3，插值多谱段图像M分解后，分别将各个波段的低频子带在相同尺度与方向上的方向子带Pk,m以及高频子带按照原来波段的顺序重新组合，构造低频子带多谱段图像ML、方向子带多谱段图像Mk,m和高频子带多谱段图M1，k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8，步骤4，对全色图像方向子带Pk,m和方向子带多谱段图像Mk,m逐波段退化，构造退化的方向子带全色图像和退化的方向子带多谱段图像k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8；步骤5，在退化尺度下使用回归估计方法，求解方向子带多谱段图像的细节注入增益参数和平均亮度加权参数计算公式如下：其中，和分别表示退化的方向子带多谱段图像的第l个和第n个波段的图像，||||F为矩阵的F范数，l＝1,2,3,..B，B为波段数,和分别是细节注入增益和平均亮度加权参数的估计值；步骤6，对插值尺度下的所有方向子带多谱段图像Mk,m和高频子带多谱段图像M1逐波段使用不同的融合方法进行细节注入，得到融合的方向子带多谱段图像Mk,m和融合的高频子带多谱段图像M1,其中，方向子带多谱段图像Mk,m逐波段细节注入的方法如下式所示：其中，是融合的方向子带多谱段图像Mk,m第l个波段的图像，是方向子带多谱段图像的第n个波段的图像，和是细节注入增益和平均亮度加权，是第l个波段的平均亮度；高频子带多谱段图像M1逐波段细节注入的方法如下式所示：其中，是融合后的高频子带多谱段图像的第l波段，P1是全色图像的高频子带；步骤7，将插值多谱段图像M的所有子带多谱段图像重构为高分辨率多谱段图像M，重构公式如下式所示：其中，M是融合后的多谱段图像，ML是低频子带多谱段图像，M2,m和M3,m是融合后的方向子带多谱段图像，M1是融合后的高频子带多谱段图像。进一步，步骤2中：全色图像P非降采样轮廓波多尺度多方向分解方法如下式所示：其中，PL为全色图像P的低频子带；P3,m是第3层的第m个方向的子带，P2,m是第2层的第m个方向的子带；P1为高频子带；插值多谱段图像M逐波段分解方法如下式所示：其中，M(l)为插值多谱段图像的第l波段图像，是它的低频子带；是第3层的第m个方向的子带，是第2层的第m个方向的子带，为高频子带。进一步，步骤4中：全色图像方向子带Pk,m逐波段退化的方法如下式所示：其中，为全色图像方向子带Pk,m的退化图像，GP为全色图像的所有方向子带所使用的高斯核，表示卷积操作；方向子带多谱段图像逐波段退化的方法如下式所示：其中，为方向多谱段图像的第l个波段的退化图像，为方向子带多谱段图像的第l个波段的图像所使用的高斯核。进一步，步骤5中，对任意的第k个尺度和第m个方向的多谱段图像，按照以下步骤估计细节注入增益参数和平均亮度加权参数5.1建立退化子带观测矩阵其中，Hk,m为高H×W，宽B+1的退化的方向子带观测矩阵，vec(·)为矩阵化为列向量的操作；5.2计算联合参数方法如下式所示，其中，为第l波段的联合参数，是有B+1个元素的列向量，是对参数和的联合估计，(·)T为矩阵转置操作，(·)-1为矩阵求逆操作；5.3估计细节注入增益参数和平均亮度加权参数方法如下式所示：其中，和分别是对和的估计值，是的第B+1个元素，是的第n个元素。本专利技术与现有技术相比，其显著优点在于：(1)具有方向子带自适应性，图像分解的尺度与方向个数选择灵活；(2)具有参数自适应性，方向子带融合中的细节注入增益参数和平均亮度加权参数与实际图像有关，可适应各种多谱段图像；(3)融合准则根据不同子带所包含的空间信息和光谱信息的特点，对低频、高频和方向子带使用不同的融合方法，本文档来自技高网...

【技术保护点】
一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法，其特征在于，步骤如下：步骤1，对于一幅高H、宽W的高分辨率全色图像P和一幅高H'、宽W'、波段数为B的低分辨率多谱段图像M0，将低分辨率多谱段图像M0的每个波段插值至全色图像大小，记为插值多谱段图像M；步骤2，对全色图像P和插值多谱段图像M逐波段进行相同的非降采样的轮廓波多尺度多方向分解，其中，图像进行三层尺度分解，第1层尺度为无方向分解，第2、3层尺度为有方向分解，全色图像P和插值多谱段图像M的第个l波段的图像经分解，分别获得低频子带PL、

【技术特征摘要】
1.一种多谱段图像全色锐化的轮廓波子带自适应细节注入方法，其特征在于，步骤如下：步骤1，对于一幅高H、宽W的高分辨率全色图像P和一幅高H'、宽W'、波段数为B的低分辨率多谱段图像M0，将低分辨率多谱段图像M0的每个波段插值至全色图像大小，记为插值多谱段图像M；步骤2，对全色图像P和插值多谱段图像M逐波段进行相同的非降采样的轮廓波多尺度多方向分解，其中，图像进行三层尺度分解，第1层尺度为无方向分解，第2、3层尺度为有方向分解，全色图像P和插值多谱段图像M的第个l波段的图像经分解，分别获得低频子带PL、方向子带Pk,m、和高频子带P1、l＝1,2,3,..B，k代表分解尺度，m代表分解方向，k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8，下标L代表图像的低频子带；步骤3，插值多谱段图像M分解后，分别将各个波段的低频子带在相同尺度与方向上的方向子带Pk,m以及高频子带按照原来波段的顺序重新组合，构造低频子带多谱段图像ML、方向子带多谱段图像Mk,m和高频子带多谱段图M1，k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8，步骤4，对全色图像方向子带Pk,m和方向子带多谱段图像Mk,m逐波段退化，构造退化的方向子带全色图像和退化的方向子带多谱段图像k＝2,3，k＝2时m＝1,2,..4；k＝3时m＝1,2,..8；步骤5，在退化尺度下使用回归估计方法，求解方向子带多谱段图像的细节注入增益参数和平均亮度加权参数计算公式如下：其中，和分别表示退化的方向子带多谱段图像的第l个和第n个波段的图像，||||F为矩阵的F范数，l＝1,2,3,..B，B为波段数,和分别是细节注入增益和平均亮度加权参数的估计值；步骤6，对插值尺度下的所有方向子带多谱段图像Mk,m和高频子带多谱段图像M1逐波段使用不同的融合方法进行细节注入，得到融合的方向子带多谱段图像Mk,m和融合的高频子带多谱段图像M1,其中，方向子带多谱段图像Mk,m逐波段细节注入的方法如下式所示：其中，是融合的方向子带多谱段图像Mk,m第l个波段的图像，是方向子带多谱段图像的第n个波段的图像，和是细节注入增益和平均亮度加权，是第l个波段的平均亮度；高频子带多谱段图像M1逐波段细节注入的方法如下式所示：其中，是融合后的高频子带多谱段图像的第l波段，P1是全色图像的高频子带；步骤7，将插值多谱段图像M的所有子带多谱段图像重构为高分辨率...

【专利技术属性】
技术研发人员：肖亮，刘贤文，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32